Glossaire de l’IA : les mots clés expliqués simplement

Un agent IA est un programme à qui l’on confie un objectif plutôt qu’une simple question. Il découpe la tâche en étapes, choisit les outils dont il a besoin (messagerie, agenda, tableur, CRM, recherche web) et agit pour atteindre le résultat, avec une part d’autonomie. Là où un assistant répond, l’agent exécute : il faut donc définir précisément ce qu’il a le droit de faire et prévoir des points de validation humaine. Pour le distinguer d’un scénario automatisé, lisez notre guide agent IA ou automatisation.

L’AI Act est le règlement (UE) 2024/1689, qui encadre la mise sur le marché et l’utilisation des systèmes d’IA dans toute l’Union européenne, Guadeloupe comprise. Il classe les usages selon leur niveau de risque : pratiques interdites, systèmes à haut risque, obligations de transparence et, pour la grande majorité des usages courants, aucune exigence propre au niveau de risque. Ses règles s’appliquent par étapes et ont été modifiées par le règlement (UE) 2026/1744, dit omnibus IA. Pour une entreprise qui utilise l’IA au quotidien, la première obligation concrète porte sur la maîtrise de l’IA de ses équipes.

Anonymiser des données, c’est les transformer de façon à ce qu’il devienne impossible, de manière irréversible, de retrouver les personnes concernées. Des données réellement anonymes sortent du champ du RGPD. Attention à la confusion fréquente avec la pseudonymisation, qui remplace seulement le nom par un code ou des initiales : les données restent alors personnelles et le RGPD continue de s’appliquer.

Les Aperçus IA sont des résumés rédigés par l’IA de Google (Gemini) et affichés en haut de certaines pages de résultats, avec des liens vers les sources utilisées. Ils répondent directement à la question de l’internaute, ce qui peut réduire les clics vers les sites. Ils sont proposés en France depuis l’été 2026 : voir leurs premiers effets mesurés.

Une API (interface de programmation d’application) est une porte d’entrée normalisée qui permet à deux logiciels d’échanger des données ou de déclencher des actions, sans intervention humaine. Les outils d’automatisation s’en servent pour relier vos applications entre elles. Les éditeurs d’IA proposent aussi leurs modèles par API : on paie alors à l’usage, selon le nombre de jetons traités, au lieu d’un abonnement par utilisateur.

L’apprentissage automatique regroupe les méthodes qui permettent à un programme d’apprendre à partir d’exemples, au lieu de suivre des règles écrites une à une par un développeur. À partir de données passées, le système repère des régularités et s’en sert pour prédire, classer ou recommander. C’est la famille de techniques sur laquelle repose l’essentiel de l’IA actuelle, IA générative comprise.

L’apprentissage profond est une branche de l’apprentissage automatique qui utilise des réseaux de neurones comportant de nombreuses couches. Cette profondeur leur permet de traiter des données complexes comme les images, la voix ou le langage. Les progrès de la reconnaissance vocale, de la traduction automatique et des modèles de langage viennent de cette approche.

Un assistant IA est un outil avec lequel on échange en langage courant pour rédiger, résumer, traduire, analyser un document ou réfléchir à un problème. Les plus connus sont ChatGPT, Claude, Gemini, Microsoft Copilot et Vibe de Mistral AI (ex-Le Chat). Il répond à vos demandes au fil de la conversation ; quand il se met à enchaîner seul des actions dans vos outils, on parle plutôt d’agent. Pour choisir le vôtre, consultez notre guide choisir un assistant IA pour son entreprise.

Automatiser, c’est confier à un logiciel une tâche répétitive qui suit toujours les mêmes règles : quand tel événement se produit, faire telle action. Une automatisation est prévisible, elle fait exactement ce qu’on lui a demandé, ni plus ni moins. On peut y insérer une étape d’IA (résumer, classer, rédiger) sans pour autant en faire un agent autonome.

Une base de connaissances est l’ensemble des documents de référence mis à disposition d’un assistant ou d’un agent IA : tarifs, conditions générales, procédures, fiches produits, questions fréquentes. L’IA s’appuie sur ces contenus pour répondre avec vos informations plutôt qu’avec des généralités. Sa qualité conditionne directement celle des réponses : un document périmé produit des réponses périmées.

Un benchmark est une série de tests standardisés qui sert à comparer les modèles d’IA entre eux : raisonnement, code, mathématiques, compréhension de documents… Les éditeurs mettent en avant leurs scores à chaque nouvelle version. Ces classements donnent une tendance, mais ne disent pas comment un modèle se comportera sur vos propres tâches : rien ne remplace un essai sur vos vrais documents.

Un biais est une erreur systématique qui conduit une IA à favoriser ou défavoriser certaines personnes ou certaines réponses. Il vient souvent des données d’entraînement, qui reflètent les déséquilibres et les stéréotypes du monde réel, ou de la façon dont le système a été conçu. Les grands modèles ont surtout été entraînés sur des contenus en anglais : leurs connaissances des réalités locales, en Guadeloupe comme ailleurs, peuvent être plus pauvres ou stéréotypées.

Une charte IA est un document interne qui fixe les règles d’usage de l’IA dans une organisation : outils autorisés, données à ne jamais saisir, vérifications obligatoires, transparence envers les clients. Elle est souvent intégrée à la charte informatique. Courte et concrète, elle protège l’entreprise et rassure les salariés sur ce qu’ils ont le droit de faire. Notre guide rédiger une charte IA propose une méthode pas à pas.

Un chatbot est un programme qui dialogue par écrit avec vos clients ou vos usagers, sur un site internet, WhatsApp ou Messenger. Les anciens chatbots suivaient des arbres de questions préprogrammés ; les nouveaux s’appuient sur des modèles de langage et comprennent des demandes formulées librement. Depuis le 2 août 2026, l’AI Act prévoit que les personnes soient informées qu’elles échangent avec une IA, sauf si c’est évident : voir les règles de transparence.

Le contexte désigne tout ce que le modèle a sous les yeux au moment de répondre : votre consigne, les messages précédents de la conversation, les documents joints et les instructions permanentes de l’outil. Plus il est précis et pertinent, meilleure est la réponse. Beaucoup de réponses décevantes viennent d’un contexte trop pauvre : l’IA ne connaît ni votre entreprise, ni vos clients, ni vos contraintes si vous ne les lui donnez pas.

Copilot est le nom des assistants IA de Microsoft. Il existe une version grand public, accessible sur le web et dans Windows, et Microsoft 365 Copilot, intégré à Word, Excel, Outlook, PowerPoint et Teams, qui peut s’appuyer sur les documents et e-mails de l’entreprise selon la licence et les droits d’accès de chacun. Pour une structure déjà équipée de Microsoft 365, c’est souvent le point d’entrée le plus naturel vers l’IA générative : voir notre comparatif des assistants IA.

Dans l’AI Act, le déployeur est la personne ou l’organisation qui utilise un système d’IA sous sa propre autorité, dans un cadre professionnel. L’usage purement personnel et non professionnel en est exclu. Concrètement, une entreprise, une association ou une collectivité dont les équipes se servent d’un assistant IA pour travailler est déployeur, même si l’outil a été conçu par un éditeur étranger.

Une donnée personnelle est toute information qui se rapporte à une personne physique identifiée ou identifiable, directement ou par recoupement : nom, numéro de téléphone, adresse e-mail, photo, plaque d’immatriculation, numéro de client, voix… Leur utilisation est encadrée par le RGPD. Avec l’IA, le risque le plus courant est simple : copier-coller un fichier client ou un dossier du personnel dans un outil grand public, sans savoir où ces données sont conservées ni si elles serviront à entraîner un modèle.

Un embedding traduit un texte (ou une image) en une longue liste de nombres qui représente son sens. Deux textes qui parlent de la même chose obtiennent des listes proches, même s’ils n’emploient pas les mêmes mots. C’est ce qui permet la recherche par le sens dans une base documentaire, et c’est la brique technique de la plupart des systèmes RAG.

L’entraînement est la phase pendant laquelle un modèle d’IA apprend : il analyse d’immenses quantités de données et ajuste progressivement ses paramètres internes pour mieux accomplir sa tâche. Pour les grands modèles de langage, cette étape est très coûteuse et réservée aux éditeurs. Point de vigilance : selon l’offre et vos réglages, vos conversations peuvent être réutilisées pour entraîner de futurs modèles ; vérifiez ce paramètre avant d’y saisir des informations sensibles.

La fenêtre de contexte est la quantité maximale de texte, comptée en jetons, qu’un modèle peut prendre en compte en une seule fois : vos consignes, les documents joints, l’historique de la conversation et sa propre réponse. Au-delà, les éléments les plus anciens ne sont plus pris en compte, ou l’outil les résume. Les fenêtres se sont fortement agrandies, mais une conversation très longue finit par perdre en précision : mieux vaut repartir d’une nouvelle discussion avec un récapitulatif.

Le marquage consiste à signaler qu’un contenu (image, son, vidéo, texte) a été généré ou modifié par l’IA. Il peut être technique, comme un filigrane invisible ou des métadonnées intégrées au fichier, ou visible, comme une mention ou un pictogramme. L’AI Act impose aux fournisseurs d’IA générative un marquage lisible par machine, et aux entreprises qui diffusent des hypertrucages de le signaler clairement au public ; les outils mis sur le marché avant le 2 août 2026 ont jusqu’au 2 décembre 2026 pour le marquage technique (les échéances).

Le fine-tuning consiste à poursuivre l’entraînement d’un modèle existant sur un ensemble d’exemples choisis, pour l’adapter à une tâche, un vocabulaire ou un style précis. C’est une opération technique, qui demande des données bien préparées et un budget. Pour la plupart des TPE et PME, de bonnes instructions, une base de connaissances et un assistant personnalisé donnent déjà de très bons résultats sans passer par là.

Dans l’AI Act, le fournisseur est celui qui développe un système d’IA ou un modèle d’IA à usage général, ou le fait développer, puis le met sur le marché ou en service sous son propre nom ou sa propre marque, à titre gratuit ou payant. Les éditeurs comme OpenAI, Anthropic, Google ou Mistral AI sont fournisseurs de leurs modèles et de leurs assistants. Le fournisseur porte l’essentiel des obligations techniques ; l’entreprise qui se contente d’utiliser l’outil est, elle, déployeur.

Un Gem est une version personnalisée de Gemini, l’assistant IA de Google : vous lui donnez une fois pour toutes des instructions (rôle, ton, étapes à suivre) et, si besoin, des fichiers de référence, puis vous le réutilisez pour une tâche récurrente. C’est l’équivalent, chez Google, des GPT personnalisés de ChatGPT et des Projets de Claude. Leur création est au programme du parcours Productivité avec l’IA.

La génération d’images consiste à créer une image à partir d’une description écrite, ou à modifier une photo existante, avec un outil d’IA. Les résultats sont rapides et souvent bluffants, mais demandent de la vigilance : conditions d’utilisation de l’outil, ressemblance avec des personnes réelles ou des marques, transparence quand l’image paraît authentique. Une image réaliste truquée et diffusée au public doit être signalée comme telle.

Le GEO regroupe les pratiques qui aident un site ou une entreprise à être compris, repris et cité par les moteurs de réponse fondés sur l’IA : ChatGPT, Perplexity, les Aperçus IA et le Mode IA de Google. Il prolonge le référencement naturel (SEO) : contenus clairs qui répondent à de vraies questions, informations exactes et à jour, données structurées, présence cohérente sur les annuaires et les fiches d’établissement.

Un GPT personnalisé est une version de ChatGPT que vous configurez pour un usage précis : instructions permanentes, documents de référence et, pour les usages avancés, connexions à d’autres services. Une fois créé, il se réutilise en un clic et peut être partagé avec votre équipe. Il évite de réexpliquer le même contexte à chaque conversation ; sa création est travaillée dans le parcours Productivité avec l’IA.

On parle d’hallucination quand une IA affirme avec assurance quelque chose de faux : une source qui n’existe pas, un article de loi inventé, un chiffre erroné, une citation imaginaire. Elle vient du fonctionnement même des modèles de langage, qui produisent le texte le plus plausible sans vérifier les faits. Le risque baisse quand on fournit ses propres documents et qu’on exige des sources, mais il ne disparaît jamais : toute réponse importante se vérifie.

L’hameçonnage est une escroquerie qui consiste à se faire passer pour un organisme ou un contact de confiance (banque, transporteur, administration, fournisseur) pour obtenir des identifiants, des coordonnées bancaires ou un paiement. Il arrive par e-mail, SMS, appel ou messagerie comme WhatsApp. L’IA générative aide les escrocs à produire des messages sans fautes, personnalisés et crédibles : le vieux réflexe « repérer les fautes d’orthographe » ne suffit plus.

Le principe de l’humain dans la boucle consiste à placer une validation humaine aux étapes clés d’un processus automatisé ou piloté par l’IA, surtout avant une action difficile à rattraper : envoyer un message, payer, publier, décider pour une personne. C’est une exigence de l’AI Act pour les systèmes à haut risque, et une bonne pratique pour tout agent IA. L’IA prépare, l’humain vérifie et décide.

Un hypertrucage est une image, un son ou une vidéo générés ou modifiés par l’IA, qui ressemblent à des personnes, des lieux, des objets ou des événements réels et peuvent passer à tort pour authentiques : c’est, en substance, la définition de l’AI Act. Depuis le 2 août 2026, une entreprise qui produit un hypertrucage avec l’IA et le diffuse doit indiquer clairement qu’il a été créé ou manipulé artificiellement : voir les règles de transparence.

L’IA agentique désigne les systèmes capables non seulement de répondre, mais d’agir : planifier une suite d’actions, utiliser des outils, naviguer sur le web, garder une mémoire et ajuster leur stratégie en cours de route. Elle permet de déléguer des tâches entières, mais soulève de nouvelles questions de sécurité et de protection des données, sur lesquelles la CNIL a publié une note d’alerte.

L’IA générative est la branche de l’IA qui crée de nouveaux contenus à partir d’une demande : textes, images, sons, vidéos, code, tableaux. Elle repose sur des modèles entraînés sur de très grands volumes de données, qui produisent un résultat original à chaque requête. C’est elle qui se trouve derrière ChatGPT, Claude, Gemini ou Vibe, et c’est le cœur de notre parcours Initiation à l’IA.

On parle d’IA souveraine pour des solutions dont le modèle, l’hébergement des données et l’éditeur relèvent du droit européen, ce qui limite l’exposition à des lois étrangères et la dépendance envers quelques acteurs non européens. Le degré de souveraineté varie : un modèle européen hébergé hors d’Europe ne l’est qu’en partie. La DGE et Hub France IA ont publié un catalogue de solutions d’IA souveraines adaptées aux PME.

L’inférence est la phase d’utilisation d’un modèle déjà entraîné : chaque fois que vous posez une question, le modèle calcule sa réponse. C’est cette étape qui consomme de la puissance de calcul à chaque requête, et qui est facturée à l’usage quand on passe par une API. Une réponse longue, ou produite par un modèle de raisonnement, coûte plus cher en inférence qu’une réponse courte d’un petit modèle.

L’injection de prompt est une attaque qui consiste à cacher des instructions dans un contenu qu’une IA va lire (page web, e-mail, document, avis client) pour détourner son comportement. Pour un simple assistant, le risque est surtout une réponse faussée ; pour un agent qui peut envoyer des e-mails ou ouvrir des fichiers, il peut conduire à une fuite de données. Les parades : limiter les droits de l’agent, séparer les tâches sensibles et faire valider par un humain les actions importantes.

L’intelligence artificielle désigne l’ensemble des techniques qui permettent à des machines d’accomplir des tâches que l’on associe à l’intelligence humaine : comprendre un texte, reconnaître une image, prédire, recommander, rédiger. Le terme recouvre des réalités très différentes, du filtre anti-spam au générateur de vidéos. En droit européen, l’AI Act en donne sa propre définition, celle du « système d’IA ».

Un jeton est l’unité de base avec laquelle un modèle de langage découpe et traite le texte : un mot court, un morceau de mot, un signe de ponctuation. Tout se compte en jetons : la taille de la fenêtre de contexte, les limites d’usage des abonnements et la facturation des API, qui distingue souvent les jetons envoyés et les jetons générés. En français, un mot correspond souvent à plus d’un jeton.

L’AI Act définit la maîtrise de l’IA comme les compétences, les connaissances et la compréhension qui permettent d’utiliser des systèmes d’IA en connaissance de cause, en mesurant leurs possibilités comme leurs risques. Son article 4, modifié par le règlement (UE) 2026/1744, demande aux fournisseurs et aux déployeurs de prendre des mesures pour développer la maîtrise de l’IA de leur personnel et des personnes qui utilisent l’IA pour leur compte. Ces mesures s’adaptent aux connaissances, à l’expérience et au contexte d’usage ; aucun certificat n’est exigé, mais garder une trace des formations suivies est utile (notre guide sur l’article 4 et la FAQ de la Commission).

Make (anciennement Integromat) est une plateforme d’automatisation en ligne qui relie vos applications entre elles à l’aide de « scénarios » construits visuellement, module par module. Elle propose de nombreux connecteurs prêts à l’emploi (messagerie, tableurs, CRM, réseaux sociaux, outils d’IA) et ne demande pas de savoir programmer. C’est l’un des deux outils utilisés dans le parcours Agents IA et automatisations.

Le MCP est un standard ouvert, lancé par Anthropic fin 2024, qui permet de brancher un assistant ou un agent IA sur des outils et des sources de données (agenda, stockage de fichiers, CRM, base de données) d’une manière uniforme. Dès qu’un service propose un « serveur MCP », tout assistant compatible peut s’en servir, un peu comme une prise universelle. Comme pour toute connexion, ne branchez que des serveurs de confiance et limitez les droits accordés.

La mémoire est la fonction qui permet à un assistant ou à un agent IA de retenir des informations d’une conversation à l’autre : vos préférences, votre métier, vos projets en cours. Elle rend les réponses plus pertinentes, mais elle conserve aussi des données qui vous concernent. Vérifiez régulièrement ce qui a été mémorisé, effacez ce qui n’a pas lieu d’y être et ne laissez jamais d’informations sensibles s’y accumuler.

C’est la catégorie de l’AI Act qui vise les grands modèles polyvalents : entraînés sur de très grands volumes de données, ils accomplissent avec compétence un large éventail de tâches différentes et peuvent être intégrés dans de nombreux produits. Les modèles qui font tourner les principaux assistants du marché en font partie. Leurs fournisseurs ont des obligations propres (documentation technique, politique de respect du droit d’auteur, résumé des données d’entraînement), sous la supervision du Bureau de l’IA de la Commission européenne.

Un grand modèle de langage est un programme entraîné sur d’immenses quantités de textes pour prédire, jeton après jeton, la suite la plus probable d’un texte. À cette échelle, il devient capable de rédiger, résumer, traduire, raisonner sur un document ou écrire du code. GPT (OpenAI), Claude (Anthropic), Gemini (Google) et les modèles de Mistral AI sont des modèles de langage ; ChatGPT ou Vibe (ex-Le Chat) sont les applications qui permettent de dialoguer avec eux. Comprendre leur fonctionnement, simplement, ouvre notre parcours Initiation à l’IA.

Un modèle de raisonnement prend le temps de « réfléchir » avant de répondre : il décompose le problème, explore plusieurs pistes et vérifie ses étapes intermédiaires. Il est plus performant sur les tâches complexes (calculs, analyse d’un dossier, planification, code), mais plus lent et plus coûteux. Pour une reformulation ou un e-mail simple, un modèle rapide suffit largement.

Un modèle à poids ouverts est un modèle dont les paramètres, c’est-à-dire le résultat de l’entraînement, sont publiés et téléchargeables. On peut alors le faire tourner sur ses propres serveurs, sans envoyer ses données à l’éditeur. « Poids ouverts » ne veut pas toujours dire « open source » au sens strict : les données et le code d’entraînement restent souvent privés, et la licence peut encadrer certains usages commerciaux, comme pour Mistral Large 4.

Un modèle multimodal sait traiter plusieurs types de contenus : texte, images, documents scannés, audio, parfois vidéo. Vous pouvez lui montrer une photo, lui faire écouter un message vocal ou lui confier un PDF, puis l’interroger en langage courant. La plupart des grands assistants actuels sont multimodaux.

n8n est un outil d’automatisation qui relie vos applications à l’aide de workflows visuels, nœud par nœud, et qui intègre des briques d’IA pour construire des agents. Il peut s’utiliser en ligne ou être installé sur vos propres serveurs, ce qui intéresse les structures soucieuses de garder la main sur leurs données. C’est l’outil principal du parcours Agents IA et automatisations.

Un navigateur IA est un navigateur web qui intègre un assistant capable de résumer la page affichée, de comparer des offres ou, dans certains cas, de naviguer, cliquer et remplir des formulaires à votre place. Pratique, il donne aussi à l’IA un accès étendu à vos sessions ouvertes : prudence sur les sites sensibles (banque, messagerie professionnelle) et face aux pages piégées par injection de prompt. Le marché évolue vite : voir notre point sur les navigateurs IA.

Le no-code désigne les outils qui permettent de créer une application, un site ou une automatisation à l’aide d’une interface visuelle, sans écrire de code. Le low-code va un peu plus loin en autorisant quelques lignes de code pour les cas particuliers. Couplé à l’IA, le no-code permet à une petite équipe de construire elle-même des outils qui demandaient autrefois un développeur.

L’OCR transforme l’image d’un texte (scan, photo, PDF non modifiable) en texte que l’on peut copier, chercher et retravailler. Les assistants IA multimodaux vont plus loin : ils lisent le document et en comprennent la structure, ce qui permet d’en extraire directement les informations utiles. Une relecture reste nécessaire, surtout sur les documents manuscrits ou de mauvaise qualité.

Dans Claude, l’assistant d’Anthropic, un Projet est un espace de travail qui regroupe des conversations, des documents de référence et des instructions propres à un sujet. Ce qui est déposé dans le Projet sert de contexte à chaque nouvelle discussion, sans avoir à le rappeler. C’est l’équivalent des GPT personnalisés de ChatGPT et des Gems de Gemini, abordé dans le parcours Productivité avec l’IA.

Le prompt est la consigne que vous donnez à une IA : une question, une demande, des instructions, avec éventuellement des documents ou des exemples. Sa qualité conditionne celle du résultat, et une structure simple fonctionne bien : le rôle que doit jouer l’IA, le contexte, la tâche précise et le format attendu. L’art de rédiger ces consignes s’appelle l’ingénierie de prompt ; notre guide écrire un bon prompt en donne la méthode.

Le prompt système regroupe les instructions permanentes qui encadrent le comportement d’un assistant avant même votre première question : rôle, ton, règles à respecter, sujets à éviter. Une partie est fixée par l’éditeur ; une autre peut être définie par vous, via les instructions personnalisées de votre compte ou la configuration d’un GPT, d’un Gem ou d’un Projet. C’est le moyen le plus simple de ne pas répéter les mêmes consignes à chaque conversation.

Le RAG est une technique qui consiste à aller chercher, dans vos propres documents, les passages utiles pour répondre à une question, puis à les fournir au modèle pour qu’il rédige sa réponse à partir d’eux. L’IA répond ainsi avec vos informations à jour, et peut citer ses sources. Le RAG limite les hallucinations sans les supprimer : tout dépend de la qualité des documents et de la recherche.

La recherche augmentée par l’IA combine un moteur de recherche et un modèle de langage : l’outil interroge le web, lit plusieurs pages et vous rend une réponse rédigée, accompagnée de ses sources. C’est le principe de Perplexity, de la recherche dans ChatGPT ou du Mode IA de Google, un onglet de recherche conversationnelle. Pratique pour défricher un sujet, elle impose de cliquer sur les sources pour vérifier les points importants.

La reconnaissance vocale est la technologie qui convertit la parole en texte, en direct ou à partir d’un enregistrement. Elle permet de dicter un message, de piloter un outil à la voix ou de parler directement à un assistant IA. Sa précision a beaucoup progressé, mais elle dépend de la qualité du son, des accents et du vocabulaire : testez-la sur vos propres enregistrements, y compris quand la conversation passe du français au créole.

Un réseau de neurones artificiels est un modèle de calcul vaguement inspiré du cerveau : de très nombreuses unités simples, organisées en couches et reliées entre elles par des connexions pondérées. Pendant l’entraînement, ces poids sont ajustés pour que le réseau donne les bonnes réponses sur les exemples. C’est l’architecture de base de l’apprentissage profond et des modèles de langage.

Le RGPD est le règlement (UE) 2016/679, qui encadre l’utilisation des données personnelles et s’applique depuis le 25 mai 2018, en Guadeloupe comme dans toute l’Union. Il impose notamment de n’utiliser que les données nécessaires, pour un objectif précis, en informant les personnes et en assurant leur sécurité. Il s’applique pleinement aux usages de l’IA : saisir les données d’un client dans un outil d’IA est un traitement de données personnelles, contrôlé en France par la CNIL (IA et RGPD : les bons réflexes).

La shadow AI désigne l’utilisation d’outils d’IA par des salariés sans que l’employeur le sache ou l’ait validée, souvent avec des comptes personnels gratuits. Le danger principal tient aux données : documents internes, informations clients ou chiffres confidentiels peuvent sortir de l’entreprise sans contrôle. Interdire ne suffit pas ; mieux vaut proposer des outils validés, une charte IA et une formation.

La synthèse vocale transforme un texte en parole. Les voix produites par l’IA sont devenues très naturelles, et certains outils savent imiter la voix d’une personne réelle à partir de courts enregistrements : c’est le clonage de voix. Utile pour un message d’accueil téléphonique ou une vidéo de présentation, cette technique pose des questions de consentement et sert aussi aux escrocs.

Dans l’AI Act, un système d’IA est un système automatisé conçu pour fonctionner avec un certain degré d’autonomie, qui peut s’adapter après son déploiement et qui, à partir des données qu’il reçoit, déduit comment produire des résultats : prédictions, contenus, recommandations ou décisions. Cette définition large couvre les assistants IA, les chatbots, les outils de tri de candidatures ou de détection de fraude. Un logiciel classique, qui applique seulement des règles fixées à l’avance par un humain, n’en fait en principe pas partie.

L’AI Act classe à haut risque les systèmes d’IA qui peuvent peser lourdement sur la santé, la sécurité ou les droits des personnes : recrutement et gestion des salariés, éducation et formation, accès au crédit ou à certains services essentiels, biométrie, ou encore composants de sécurité de produits réglementés. Ils sont soumis à des exigences fortes : gestion des risques, qualité des données, documentation, contrôle humain. Depuis l’omnibus IA, ces règles s’appliquent à partir du 2 décembre 2027 pour la plupart des cas, et du 2 août 2028 pour les produits réglementés (le nouveau calendrier).

La température est un réglage qui dose la part de hasard dans les réponses d’un modèle. Basse, elle donne des réponses plus prévisibles et constantes, utiles pour extraire des données ou répondre à partir d’un document ; haute, elle favorise la variété, utile pour chercher des idées. Elle se règle surtout via les API et les outils d’automatisation ; dans un assistant grand public, on obtient un effet comparable en demandant « plusieurs propositions très différentes » ou « une réponse strictement factuelle ».

La transcription automatique produit la version écrite d’un enregistrement audio ou vidéo : réunion, entretien, appel, webinaire. Associée à un assistant IA, elle permet d’obtenir rapidement un compte rendu, la liste des décisions et les actions à mener. Prévenez les participants avant d’enregistrer, et relisez les noms propres et les chiffres, souvent mal transcrits.

La vision par ordinateur regroupe les techniques qui permettent à une machine d’analyser des images ou des vidéos : reconnaître des objets, lire une plaque ou un document, compter des personnes, repérer un défaut. On la retrouve dans le déverrouillage par reconnaissance faciale, le contrôle qualité industriel ou l’analyse d’images satellites. Quand elle sert à identifier des personnes, elle touche à la biométrie, très encadrée par le RGPD et l’AI Act.

Un workflow est l’enchaînement des étapes d’une automatisation : un déclencheur (un e-mail reçu, un formulaire rempli, une heure précise), puis une série d’actions, avec éventuellement des conditions et des étapes d’IA. Dans n8n on parle de workflow, dans Make de scénario. Le dessiner sur papier avant de le construire évite bien des erreurs.